Limnological assessment of the meteo-hydrological and physicochemical factors for summer cyanobacterial blooms in a regulated river system
Notice bibliographique
Résumé
This study aimed to explain how the changes in certain hydrological, meteorological and physicochemical factors influence the cell density of the cyanobacteria Microcystis aeruginosa in the Nakdong River. Occurrence patterns of M. aeruginosa were analyzed between 1993 and 2010 (N=96) using a self-organizing map. The cell density of M. aeruginosa was sensitive to certain meteorological, hydrological and physicochemical factors. In addition, our clustering analysis results identified specific limnological features under different environmental conditions. Cluster 1 suggested that high rainfall and increased river flow, dam discharge, total phosphorous and phosphate concentrations were associated with low M. aeruginosa cell density (June–July; monsoon season). However, cluster 2 suggested low irradiance since water temperature decreases with irradiation time, and thus low M. aeruginosa cell density (April–June and after November). Finally, cluster 3 was indicative of high water temperature and irradiance, increased irradiation time, low phosphate and nitrate concentrations, and high M. aeruginosa cell density (August, after the monsoon season). Taken together, these results suggest that rainfall, river flow, water temperature and nutrient concentration (i.e., phosphates and nitrates) were the primary factors that affected cyanobacterial bloom occurrence in the Nakdong River. M. aeruginosa blooms can be suppressed by employing an integrated water resource management program that accommodates meteo-hydrological factors along with the effective control of exogenous nutrient sources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».